JP7185236B2 - 放射線撮影システムで散乱を補正するための装置および方法 - Google Patents

Description

本発明は、放射線撮影システムで散乱を補正するための装置および方法に関し、詳細には散乱線除去グリッドを使用しないそのような装置および方法に関する。

対象物がＸ線照射を受けるとき、Ｘ線光子の一部は吸収され、一部は対象物を通過し、散乱されず、Ｘ線検出器に衝突する。これは「直接放射線」と呼ばれる。吸収されるＸ線があれば、散乱されるＸ線もある。作り出された散乱の強度は、検出器が検出する直接放射線の大きさを超え得る。散乱放射線は、コントラストを低下させ、かつ雑音を増大させることにより、不十分な画質をもたらす。吸収されたＸ線は、Ｘ線画像にコントラストを作り出す。散乱されたＸ線光子が検出器に到達する場合、散乱されたＸ線光子がどこから到来したかを識別することができないので、画像内のランダム雑音は増大する。

散乱の問題に対処するために使用される、最も広く採用される技法は、Ｘ線検出器と被検対象物の間に散乱線除去グリッドを置くことである。散乱線除去グリッドは、Ｘ線吸収材料から形成され、間隔を置いて配置された、一連の平行な薄層を備える。散乱Ｘ線の大部分は、薄層の１つに引きつけられ、吸収される。したがって、散乱線除去グリッドが存在するときにＸ線検出器により吸収されるのは、大部分は直接放射線である。

最初の散乱線除去グリッドについては、米国特許第１１６４９８７号明細書（Ｂｕｃｋｙ）に記述されている。

散乱線除去グリッドに伴う問題の１つは、Ｘ線吸収薄層が、検出画像内の散乱の影響を低減することに加えて、直接放射線の一部を、すなわち、薄層の経路を移動する光子を吸収することである。

散乱線除去グリッドで失われた光子を、したがって、低下した画質を補償するために、Ｘ線束を増大させることは、一般的慣行である。しかしながら、Ｘ線束を増大させることは、Ｘ線画像化がＸ線感光材料からなる場合、不利である。このことは、散乱線除去グリッドの存在を補償するために、患者へのＸ線放射線量を増大させなければならない医用画像化で最も懸念される。

Ｘ線画像化で使用するＸ線出力を低減するために、いくつかの試みが行われてきた。

米国特許第７５５１７１６号明細書は、散乱線除去グリッドを使用する代わりに、数学的方法を使用して、散乱Ｘ線光子を近似的に決定する。数学的方法を利用して散乱Ｘ線光子を決定することにより、散乱線除去グリッドを使用するＸ線装置と比較したとき、Ｘ線量を低減することができる、または信号対雑音比を増大させることができる。米国特許第７５５１７１６号明細書で使用する数学的方法は、調査中の材料に関して、組織が乳腺組織であること、および組織が圧迫板の間で圧縮される結果として一定の厚さを有することという仮定を行うことに依存する。

多重吸収板を含むＸ線装置について、英国特許第２４９８６１５号明細書で公表された本出願人の特許出願に記述されている。このＸ線装置では、Ｘ線エネルギースペクトルは、多くの異なる方法で摂動される。この装置および方法は、材料特性を識別できるようにする情報を提供する。

国際公開第２０１６／０５１２１２号で公表された本出願人の特許出願は、直接放射線と散乱放射線の両方に影響を及ぼすＸ線信号に変更を加えて、散乱放射線を識別できるようにし、かついくつかの実施形態では、識別された散乱放射線を、それが直接放射線であるかのように戻して付け加えることができるようにする装置について記述している。

国際公開第２０１６／０５１２１２号に記述された発明は、Ｘ線量を低減することができるようにし、信号対雑音比を改善することができるようにする一方で、それにもかかわらず、Ｘ線に変更を加えるために使用する構造物は、Ｘ線放射を吸収する。

米国特許第１１６４９８７号明細書 米国特許第７５５１７１６号明細書 英国特許第２４９８６１５号明細書 国際公開第２０１６／０５１２１２号

国際公開第２０１６／０５１２１２号に記述された装置および方法の利点を提供するが、Ｘ線線量をさらにまた低減し、信号対雑音比を改善することができるようにする装置および方法を提供することが望ましい。

本発明は、散乱放射線の測定を提供するだけではなく、材料および材料の厚さを識別する際に、およびコントラスト対雑音比を改善する際に使用すべき散乱放射線の測定も提供する。

観察Ｘ線画像と、材料および厚さに対して不変のＸ線画像のシミュレーションとの間の伝達関数を確立することにより、観察画像およびシミュレート画像から得られる情報は、伝達関数を適用することを条件として交換可能になる。シミュレーションでは、直接放射線および散乱放射線を分離することが可能である。したがって、観察画像から、散乱放射線を除去することができる。それにより、コントラスト対雑音比を増大させることが可能である。Ｘ線により害され得る材料を分析するためにＸ線を使用する医療適用分野および他の適用分野に関連して、本発明は、線量を低減して、類似の画像標準を作り出すことができるようにする、または同じＸ線量を使用して、よりよい画像を生成することができる。

本発明によれば、
ｉ．１組の少なくとも１つのトレーニング材料を提供するステップであって、その組は、異なる材料、および／またはその材料の、または各材料の異なる厚さを備えるステップと、
ｉｉ．画素化検出器を用いて、少なくとも１つのトレーニング材料の観察Ｘ線画像を得るステップと、
ｉｉｉ．少なくとも１つのトレーニング材料ごとに、シミュレータ内部の可変パラメータに関してシミュレートされた散乱カーネルのデータベースをシミュレータ内に構築するステップと、
ｉｖ．観察画像のパラメータとシミュレータにより作成された画像のパラメータを比較し、シミュレータへの入力パラメータを識別するステップであって、シミュレータへの入力パラメータは、識別されたシミュレータの入力パラメータと、サンプルの種類および厚さとは無関係な観察画像のパラメータとの間の伝達関数を生み出すステップと、
ｖ．伝達関数を生成するステップと、
ｖｉ．画素化検出器を用いて、少なくとも１つのトレーニング材料に類似する少なくとも１つの材料を含有するサンプルの観察Ｘ線画像を得るステップと、
ｖｉｉ．サンプルに含有される材料の種類および／または厚さの初期推定を行うステップと、
ｖｉｉｉ．複数の空間的に分離されたサンプル上の点の各々から検出器の各画素まで、サンプルの材料および厚さがあたかもステップｖｉｉｉの推定に対応するかのように、サンプルに対して光線経路トレースを遂行するステップと、
ｉｘ．光線経路トレースの広がり関数に対応する散乱カーネルを散乱カーネルデータベースから得て、
ｘ．散乱カーネルごとに散乱を合計して、画像全体の散乱推定を提供して、
ｘｉ．散乱カーネルごとに直接放射線を予測して、
ｘｉｉ．散乱推定および直接放射線に伝達関数を適用して、または観察強度値に逆伝達関数を適用して、
ｘｉｉｉ．Ｚが観察強度値であり、Ｓが伝達関数適用後の散乱放射線であり、Ｄが伝達関数適用後の直接放射線である場合、Ｚ－Ｓ－Ｄ＜しきい値の計算を遂行して、
ｘｉｖ．Ｚ－Ｓ－Ｄ＜しきい値である場合、ＺからＳを減算して、散乱のないデータおよび／または散乱のない画像を提供するステップと
を備えるＸ線画像化方法が提供される。

好ましくは、ステップｉｉｉで構築された散乱カーネルのデータベースは、少なくとも１つのトレーニング材料ごとに、シミュレータ内部の可変パラメータすべての部分集合に関して構築される。

ステップｉｉｉの可変パラメータは：ｋＶ、濾過、およびサンプルの場所からなるグループから選択され得る。

有利には、画素化検出器を用いてＸ線画像を得るステップは、検出器の各画素で強度値を記録するステップを備える。

初期推定（ステップｖｉｉｉ）は：ステップｖｉｉから得られる個々の画素または画素グループに関連する強度値；トレーニング材料のデータベースに含有される材料および材料の厚さに関係がある統計値；ランダムな推測；別のシステムから得られる、材料の種類および厚さの情報のうち１つに基づき得る。

散乱カーネルデータベースを得るステップは：散乱カーネルデータベース内のいくつかの散乱カーネルから、ある１つの散乱カーネルをエミュレートするステップ；散乱カーネルデータベースから得られる散乱カーネルの間を補間するステップ；および散乱カーネルを選択するステップのうち１つを備える。

散乱カーネルデータベースは、疎にデータを加えられ得る、そして散乱カーネルは、疎にデータを加えられた散乱カーネルデータベース内の点からエミュレートされ、それらの点の間で補完される。

Ｘ線画像化方法は、散乱放射線を、散乱放射線がまるで直接放射線であったかのうように散乱のないデータに戻して付け加えて、強化された散乱のないデータおよび／または強化された散乱のない画像を提供するステップをさらに含み得る。

散乱のないデータは、材料の種類および／または材料の厚さの情報を備え得る。

本方法の好ましい特徴はまた、本明細書の記述および図面に提示されている。

本発明の第２の様態によれば、Ｘ線源、画素化Ｘ線検出器、シミュレータ、およびデータプロセッサを備えるＸ線画像化装置が提供され、データプロセッサは、本発明の第１の様態のＸ線画像化方法の少なくともステップｉｉ～ステップｖを遂行するように構成される。

データプロセッサは、本発明の第１の様態のＸ線画像化方法の少なくともステップｖｉ～ステップｘｉｖを遂行するように構成され得る。

本発明の第３の様態によれば、Ｘ線源、画素化Ｘ線検出器、シミュレータ、およびデータプロセッサを備えるＸ線画像化装置が提供され、データプロセッサは、本発明の第１の様態のＸ線画像化方法の少なくともステップｖｉ～ステップｘｉｖを遂行するように構成される。

装置の好ましい特徴はまた、本明細書の記述および図面に提示されている。

本発明の第４の様態によれば、本発明の第２の実施形態または第３の実施形態のＸ線画像化装置と、１組の少なくとも１つのトレーニング材料とを備えるＸ線画像化システムが提供され、１組は、異なる材料、および／またはその材料の、もしくは各材料の異なる厚さを備える。

本発明の方法、装置、およびシステムは、Ｘ線画像化データから散乱を除去するための散乱線除去グリッドを必要としない。散乱の除去は、本発明の第１の様態により達成される。さらに、本方法は、サンプルの厚さを測る必要がない。

図面では、本発明の好ましい実施形態を例によって示す。

本発明の装置の一実施形態を示す。 本発明の装置の一実施形態を示す。 図１ａおよび図１ｂに示す本発明の実施形態の動作方法を示す流れ図である。 図１ａおよび図１ｂに示す本発明の実施形態の動作方法を示す別の流れ図である。 ｖ ｋＶの濾過のための妥当と思われる設定を示すグラフである。 アルミニウムおよびＰＭＭＡに関する伝達関数のグラフである。 サンプルと検出器の間の光線経路トレーシングを示す。 実施例１で使用するファントムの例示である。 散乱補正なし、および散乱補正ありの、図７のファントムのＸ線画像、およびＸ線画像に関する強度ヒストグラムを示す。 図８のＸ線画像から得られる線輪郭を示す。 本発明の方法を用いた、散乱補正後の大腿骨頸部のＸ線画像を示す。 散乱線除去グリッドを用いた、散乱補正後の大腿骨頸部のＸ線画像を示す。 本発明の方法を用いて散乱に関して補正された画像と、散乱線除去グリッドを用いて散乱に関して補正された画像の間の画質差を示す、図１０ａおよび図１０ｂの画像に対応するヒストグラムを示す。

図１ａおよび図１ｂは、本発明の一実施形態による装置１を示す。Ｘ線源２は、検出器３と一直線に合わせられる。

図１ａは、被検材料５に入射するＸ線光子に起きることを示す。Ｘ線源２から放出されたＸ線光子ｍの中でも、Ｘ線光子の一部ｍ’は、被検材料５をまっすぐ通過して、検出器３に衝突し、これらのＸ線光子は、「直接放射線」を表し、一部は吸収され、一部のＸ線光子ｎは散乱される。

散乱Ｘ線光子ｎは、望ましくない。本発明のこの実施形態により、図１ａに示す散乱Ｘ線光子ｎを画像から除去して、散乱Ｘ線光子ｎに関連する直接放射線ｍ’に対する疑似直接放射線ｎ’として再割り当てすることができるようになる。その結果、図１ｂに示すように、検出器３に衝突するＸ線光子から得られる、検出器３の任意の１画素出力は、直接放射線ｍ’および再割り当てされた疑似直接放射線ｎ’を備える。これにより、コントラストが高まり、したがって、検出器３により生成される画像内のコントラスト対雑音比は増大し、さらにまた、散乱Ｘ線光子ｎは、散乱線除去グリッドを用いる場合とは違って除去されるのではなく、Ｘ線光子が、散乱されていなければ相互作用していた検出器の空間的位置で出力信号に付け加えられるので、より望ましい画像が提供される。したがって、この結果は、画像コントラストを増強することになる。散乱を再割り当てするステップがなかったとしても、コントラストおよびコントラスト対雑音比は改善される。

検出画像から散乱光子ｎを除去できるようにし、かつ散乱光子を疑似直接放射線ｎ’として再割り当てすることが好ましい本発明の方法は、第１の構成要素および第２の構成要素を備える。第１の構成要素では、値のデータベースが作成され、これらの値は、第２の構成要素で分析され得る材料に類似する材料に関係がある。

本発明の基礎となる仮説は、特定の材料、材料のグループ、および１つまたは複数の材料の異なる厚さに及ぼすＸ線光子の影響をシミュレートするとき、そのようなシミュレーションおよび観察Ｘ線画像が、基礎となる同じエネルギースペクトルを有する場合、シミュレーションを観察Ｘ線画像の表現として使用することができ、シミュレータから得られる情報を使用して行われるどんな処理も、あたかも観察Ｘ線画像から得られるかのように役に立つ。

観察Ｘ線画像から得られるデータではなく、シミュレーションから得られるデータを使用する利点は、シミュレータでは、散乱放射線と直接放射線を分離することが可能であることである。

方法の第１の構成要素－伝達関数の作成
トレーニング材料のグループを選択する。トレーニング材料は、本発明の装置および方法が提案する使用法で遭遇する材料であり得る、または本発明の装置および方法が使用される材料と比べて非常に類似する影響をＸ線光子に及ぼす材料であり得る。

選択したトレーニング材料に関して、それらのさまざまな厚さに関して検出器３から観察Ｘ線データセットを得る。たとえば、ＰＭＭＡの５つの異なる厚さおよびアルミニウムの５つの異なる厚さごとに、Ｘ線データセットを得られ得る。

選択したトレーニング材料に関して可変の、シミュレータ内のパラメータすべてのサブセット（たとえば限定ではなく、ｋＶの範囲、サンプルの場所、エアギャップの範囲、濾過の範囲）に関して、異なる材料、および異なる材料の異なる厚さの散乱パターンのデータセットをシミュレータ内に作成する。身体部位を画像化するためにＸ線装置を使用する一実施形態では、ポリマーポリメタクリル酸メチル（ｐｏｌｙｍｅｒ ｐｏｌｙｍｅｔｈｙｌ ｍｅｔｈａｃｒｙｌａｔｅ、ＰＰＭＡ）およびアルミニウムを、それぞれ筋肉組織および骨組織によりＸ線光子がどのように影響を受けるかを表すとして使用し得る。

材料の種類または材料の厚さに伴い、ランダム誤差の限界の範囲内で変わらない伝達関数に到達するために、検出器３の各画素の出力または検出器３の画素グループの出力（シミュレートされたパラメータのサブセットに対応するパラメータ、たとえばｋＶに関する）を、パラメータのサブセットに関する散乱パターンのデータセットと比較する。すなわち、検出器３の特定の画素または特定の画素グループの出力と、画素または画素グループの出力と最も厳密に一致する散乱パターンとの間に差があり得るが、その差は、乗数であり、材料の種類または材料の厚さに伴って変わらない。したがって、観察Ｘ線から得られるデータとシミュレータから得られるデータの間で選択されたパラメータに関する最も厳密な一致が、完全な一致である場合、伝達関数は１になる。観察Ｘ線から得られるデータとシミュレータから得られるデータの間で選択されたパラメータに関する最も厳密な一致が、シミュレーションから選択されたパラメータの値に２を乗算する必要のある別の事例では、伝達関数は２である。

本方法の第１の構成要素では、アルゴリズムは、Ｘ線検出器から得られるデータの１つまたは複数のパラメータと、シミュレーションから得られるデータの同じ１つまたは複数のパラメータとの間で（ランダム誤差の範囲内で）一致に到達するまで、画素または画素グループごとに、可能性がある伝達関数を反復する。

材料の種類および厚さが同一である場合でさえ、１つの画素または画素グループに関して演繹された伝達関数は、隣接する画素または画素グループに関して演繹された伝達関数と異なり得ることに留意されたい。Ｘ線源から生じるヒール効果（Ｈｅａｌ ｅｆｆｅｃｔ）を考慮するために、画素ごとに、または画素グループごとに、伝達関数を演繹することが望ましい。明らかに、画素グループが検出器の画素をすべて備える場合、伝達関数は、すべての画素に共通になる。

方法の第２の構成要素－新しいサンプルの散乱補正画像の生成
取込み前較正
本方法は、明視野画像および暗視野画像の集合体を伴う、Ｘ線源および検出器の取込み前補正を含み得る。

画像取込および前処理
画素化検出器３により散乱物体のＸ線画像（Ｚ）を取り込む。

取り込んだ画像を、たとえば暗視野補正および明視野補正のために較正する。

画像の副サンプルを取得し得る。このステップは、計算効率を促進し得る。

散乱推定
ステップ１：散乱を推定する第１のステップでは、Ｘ線画像（Ｚ）に基づき、散乱物体の材料の種類および厚さの初期推定を行う。この推定の基礎は、本発明の装置および方法が据え付けられる設備の種類に依存し得る。たとえば、初期推定は、個々の画素もしくは画素グループに関する強度値、トレーニング材料のデータベースに含有される材料および材料の厚さに関係がある統計値に基づき得る、しかしながらまたは初期推定は、ランダムな推測であり得る。

ステップ２：第２のステップでは、サンプル（推定された材料の種類および厚さからなると仮定されるサンプル）の入射面の、選択された数の点の各１つから、画像内部のあらゆる画素または画素グループまで放射する各光線の光線経路トレースを遂行する。光線経路トレースを図６に示す。この光線経路トレースにより、（観察材料の種類および厚さが、推定された材料の種類および厚さと同じである場合）Ｘ線光子が通過した材料の種類および厚さの指示を明らかにすることができるようになる。

図６から理解することができるように、ｘ＝１、ｙ＝０からＰ１に至る経路に従うＸ線光子は、厚さＴ１の材料を通過するのに対し、ｘ＝２、ｙ＝０から画素３（Ｐ３）に伸びる光線経路に従うＸ線光子は、厚さＴ２を有する材料を通過する。

ステップ３：第３のステップは、推定された材料の種類および厚さにできるだけ近く対応する散乱カーネル、および光線経路ごとの広がり関数を得るステップを備える。散乱カーネルを得る１つの方法は、推定された材料の種類および厚さ、ならびに疎にデータを加えられた散乱カーネルデータベース内の点から得られる光線経路ごとの広がり関数をエミュレートすることによる。あるいは、光線経路トレースを、非常に大規模な散乱カーネルデータベース、および選択された厳密な一致と比較することができる。

ステップ４：第４のステップは、Ｓ＋ＤにＺを近似する式で、シミュレートされた散乱放射線および直接放射線の値を使用することができるように、画素または画素グループごとに推定された散乱放射線および直接放射線に、画素または画素グループごとに事前に計算された伝達を適用するステップを備え、ここで、Ｚは、直接放射線Ｄと散乱放射線Ｓを合計した全放射である。当然のことながら、ＳおよびＤに伝達関数を適用する代わりに、Ｚに逆伝達関数を適用することができる。理想的には、Ｚ－Ｓ－Ｄはゼロに等しくなる。しかしながら、当業者に周知の、Ｘ線画像化システムの構成要素のランダムな性質のために、ＺとＳ＋Ｄの間に小さな差が必然的に存在する。したがって、本明細書では、Ｚ－Ｓ－Ｄ＜しきい値と表し、これは、しきい値が、Ｘ線画像化システムの構成要素により導入される許容範囲の組合せと著しく異なることがないことを意味する。

シミュレートされたデータを観察データに対応させる工程は、具体化として知られる。

上記の第１のステップで行った初期推測が正しい推測である場合、Ｚ－Ｓ－Ｄ＜しきい値になる。

ステップ４ａ：このステップは、Ｚ－Ｓ－Ｄの結果が０ではない場合だけ完了する、すなわち、初期推定は正しくなかったということであり、その可能性は高い。第１のステップから第４のステップは、各反復で、第１のステップで新しい初期推測を用いて反復する。新しい初期推定は、新しいランダムな推測、すなわち、これまでに使用されていない統計値、または別のシステムにより生成された材料の種類および厚さの推定であり得る。

ステップ５：材料の種類および厚さの満足のいく推定、すなわち、Ｚ－Ｓ－Ｄ＜しきい値に到達すると、検出器３の各画素で、画素または画素グループごとにＳの値を値Ｚから減算する。その結果は、補正された散乱のない画像Ｃである。

ステップ６：任意選択のステップは、散乱のない画像Ｃに散乱放射線を、散乱放射線がまるで散乱されなかったかのようにではあるが、戻して付け加えるステップを備える。これについては、図１ａおよび図１ｂに関連して上で記述されている。

シミュレーションモデル
上記で言及するシミュレーションは、図３に示すシミュレーションモデルを使用して行われ、このシミュレーションモデルは、異なる材料および異なる材料の異なる厚さが、異なる材料の上にＸ線光子のペンシルビームが入射したときにどのように散乱するかをシミュレートする。

多重画像検出器の１つの画素と一直線に合わせられたペンシルビームを使用することにより、光源と一直線に合わせられた画素に到達するＸ線光子が、大部分は「直接放射線」、または直接放射線の経路から非常に小さな角度を通って散乱された散乱放射線を表すこと、ならびに他の画素により検出されたすべてのＸ線光子が、入射するペンシルビームに由来する散乱Ｘ線光子であることを確信することができる。したがって、所与の厚さの任意の材料の固有の特徴の散乱パターンを確立することが可能である。同じ材料の異なる厚さに関してこの処理を繰り返すことにより、同じ材料の異なる厚さの固有の特徴のパターンを確立することができる。同様に、異なる材料および／またはこれらの材料の異なる厚さに関して処理を繰り返して、固有の特徴の散乱パターンのデータベースを構築することができる。

物質を通過する粒子をシミュレートする、ＧＥＡＮＴ４と呼ばれるソフトウェアパッケージを使用して、Ｘ線ステムおよびＸ線物理学のモンテ・カルロ・モデルを作成した。このモデルを使用して、異なる材料および異なる材料の異なる厚さにＸ線光子のペンシルビームが入射する結果をシミュレートした。異なる材料および異なる材料の異なる厚さに関する結果を記録した。

各散乱パターンは、図３ａでグラフ１に示す形状に類似する形状を有する。散乱に関しては、この形状はまた、散乱カーネルとして公知である。任意の１つの散乱カーネルについて、ペンシルビームと一直線に合わせられていない検出器３の画素に入射するすべてのＸ線光子が表す散乱光子を識別することができる。したがって、画像内の直接放射線および散乱放射線を定量化することができる。画像から散乱放射線を除去して、直接放射線だけの画像を提供し得る。

しかしながら、関心のある材料およびその材料の厚さすべてに関する固有の特徴の散乱カーネルのデータベースを作成し、使用するには、膨大なデータ記憶容量および非常に強力な処理能力を必要とする、またはあるいは、そのようなデータベースに記憶されたデータを使用するには、非常に時間がかかる。

したがって、本発明のこの実施形態のモデルは、それ自体具体的にシミュレートされなかった材料と材料の厚さの組合せに関して散乱カーネルを導出するために、補間技法を使用する。補間の技法、およびこの実施形態でのエミュレーションは、それ自体新しくはない。

図２は、本発明の処理がどのようにして、Ｘ線検出器３が記録したデータから散乱Ｘ線光子を除去して、散乱光子を疑似直接放射線として再割り当てする、散乱のない画像および／または強化された画像を作り出すかを示す流れ図である。

図３ａに示す流れ図は、図２に示す処理をより詳細に示し、詳細には、散乱のない画像をもたらす副ステップを示す。

ステップ１８で、トレーニング材料およびトレーニング材料の異なる厚さに及ぼすＸ線光子の影響をシミュレートする。

ステップ１９で、シミュレートされたトレーニング材料と、トレーニング材料の観察サンプルに及ぼすＸ線光子の影響の間のように、材料および厚さに対して不変の伝達関数を作成する。

ステップ２０で、トレーニング材料に類似する材料の新しいサンプルに関するデータを得て、そのデータは、検出器２の画素または画素グループごとに検出器２が記録するエネルギー強度の形をとる。

ステップ２１で、材料の種類および材料の厚さの第１の推定を行う。「材料」という用語は、材料の組合せを含む。たとえば、このステップの出力は、検出器２の中のある画素で識別された材料が、筋組織および骨組織であるということがあり得る。実際に、このステップ２１の出力は、材料の識別および／または厚さの第１の推定である。第１の推定は、画素で記録された暗さに基づき得る、ランダムな推測であり得る、またはデータベース３０内の情報に関係がある統計値であり得る。たとえば、第１の推測は、トレーニング材料のデータベースから得られる材料および厚さの中央値であり得る。以下に記述する例では、第１の推測は、５ｃｍの５０％ＰＭＭＡ／アルミニウムであった。

図３ａを参照すると、散乱カーネルのデータベース３１から得られる推定された材料に関する散乱カーネルをステップ２２ａでエミュレートし、検出器２の画素または画素グループごとに、ステップ２１で推定した材料に関する散乱カーネルをエミュレートする（導出する）。ステップ２２ｂで、個々の散乱カーネルを一緒に畳み込む。散乱カーネルをこのように畳み込むことにより、図３でグラフ２に示す、画像に関する散乱推定として公知のものが形成される。グラフ２から理解することができるように、散乱推定で検出器の各画素に散乱値を関連づける。ステップ２２ｃで、散乱推定、およびステップ２２ｂで畳み込まれた散乱カーネルに関する直接放射線に、計算が遂行されている画素または画素グループに関する伝達関数を適用する。ステップ２２ｄで、Ｚ－Ｓ－Ｄ＜しきい値の計算を行う。Ｚ－Ｓ－Ｄ＜しきい値である場合、収束が存在し、ステップ２４’で散乱データを作成し、散乱のない画像、ならびに／または材料の種類および厚さの識別を作成し得る。

ステップ２４’で遂行した散乱のない画像、および材料識別のあり、またはなしで、散乱再割当てのステップ２５を遂行し得る。ステップ２２ｃの出力を散乱のない画像２２ｄとして示し、散乱のない画像２２ｄは、画像であり得る、または画像として表現し得る強度値であり得る。

ステップ２１で材料および厚さの第１の推測が正しくない場合、ステップ２４で収束はまったく存在せず、材料および厚さの第１の推測ステップ２１および後続のいくつかのステップを繰り返す。この繰返しを、ステップ２２ｄでＺ－Ｓ－Ｄ＜しきい値となるまで行う。

ステップ２４で、散乱カーネルが、観察画像内の散乱と一致するかどうか、すなわち、Ｚ－Ｓ－Ｄ＜しきい値であるかどうかを判断する。答えがＮＯである場合、これはいくつかの反復では、こうなる可能性が高いが、Ｚ－Ｓ－Ｄ＜しきい値となるまで、ステップ２１～ステップ２４を反復する。答えがＹＥＳである場合、処理はステップ２５まで移動し、ステップ２５で、散乱を再割り当てして再割り当てされた散乱を伴う画像を作り出す、または散乱を再割り当てせず散乱のない画像を作り出す。

材料識別および／または厚さを表す値は、コントラスト、散乱カーネル、散乱推定などを含み得る。

散乱の影響が低減されれば、ステップ２３の材料識別は、収束後の散乱のない画像２４’により表される、より正確な結果を作り出すことができる。

ステップ２１～ステップ２４を、Ｚ－Ｓ－Ｄ＜しきい値となるまで再び反復する。

ステップ２４の後に散乱のない画像出力を取得し得る、または処理は、ステップ２５まで移動し得る。

ステップ２５では、出力は、除去された散乱放射線を、除去された散乱放射線のＸ線光子が散乱されていなければ相互作用していた検出器の空間的位置で、出力信号に付け加えることにより、散乱を再割り当てした画像である。再割当てステップ２５の結果を、ステップ２５’で再割り当てされた画像により表す。

１．３６ｃｍのアルミニウムの挿入物を伴う７．６ｃｍのＰＭＭＡ塊を備えるサンプルから撮った画像から散乱を除去した。

３ｍｍのアルミニウム濾過、８０ｋＶ、５ｍＡのタングステン管、およびＲａｙｅｎｃｅ社製検出器を伴うＧＥ社製医療システムを備えるＸ線画像設備を使用して、観察Ｘ線画像を得た。

サンプルを表す材料の具体化トレーニングセットは、厚さが５ｃｍの５つのＰＭＭＡ板および厚さが１ｃｍの５つのアルミニウム板を備えていた。

以下の手法でＸ線画像化設備を使用して、材料のトレーニングセットの画像を撮った。

ＰＭＭＡについては、トレーニングセットの中の厚さが５ｃｍの１つのＰＭＭＡ板を備えるサンプルに関して第１のＸ線画像を得た。トレーニングセットの中の厚さが５ｃｍのＰＭＭＡ板をもう１つ付け加えるたびに、第２の画像、第３の画像、第４の画像、および第５の画像を撮った。

アルミニウムについては、トレーニングセットの中の厚さが１ｃｍの１つのアルミニウム板を備えるサンプルに関して第１のＸ線画像を得た。トレーニングセットの中の厚さが１ｃｍのアルミニウム板をもう１つ付け加えるたびに、第２の画像、第３の画像、第４の画像、および第５の画像を撮った。

上に記述した「オフライン」処理を続けた。１．５ｍｍ濾過および７６ｋＶのシミュレータ設定は、材料および厚さに対して不変の伝達関数を作り出した。図４および図５を参照のこと。１．５ｍｍ濾過および７６ｋＶに設定されたシミュレータを用いて、ヒール効果を考慮するために検出器の個々の画素に関して、空間的に相違する伝達場を、すなわち、１組の空間的に相違する伝達関数を生成した。

トレーニング材料に似た材料を含有する観察サンプルの開始のＸ線画像を撮って、ダウンサンプリングしており、ダウンサンプリングは、計算効率を増大させるが、本質的ではない。

サンプル内の物質の第１の推定を行った。データベースから得られる中央値の材料および厚さを使用し、それは、５０％のＰＭＭＡおよび５０％のアルミニウムを備える５ｃｍの厚さの材料であった。

上に記述したステップ１～ステップ４ａを、Ｚ－Ｓ－Ｄ＜しきい値となるまで繰り返した。

図７は、全体の厚さが７．６ｃｍ、および厚さが１．３６ｃｍのアルミニウムを有するＰＭＭＡ／Ａｌファントムの画像を示す。

散乱線除去グリッドが存在しないファントムに関して、図８に示すＸ線画像を撮った。図８の最下部にある強度ヒストグラムは、散乱による歪みを強調している。それにより、広い非対称のピークが得られる。散乱補正後の第２の画像は、より幅が狭く、より対称的な分布を伴う平坦な画像をもたらす。

２つの画像に関するコントラスト範囲を、Ｃ１およびＣ２で画定される範囲までウインドウ処理することにより、本発明の散乱低減方法を適用した後の画像の改善を示す。得られた画像は、基になるサンプルのはるかに近い表現であり、コントラストをはるかにより効果的にウインドウ処理することができる。

ファントムのシミュレーション、および存在する材料の知識を使用して、Ｍｏｎｔｅ Ｃａｒｌｏ ｔｒｕｔｈから、完全に散乱補正された画像がどのように見えるかを決定することが可能である。完全に散乱補正された画像は、図９に示され、本発明の散乱低減方法が、完全な散乱補正の限界事例に忠実な補正画像をもたらすことを例証している。

本発明の散乱低減方法は、散乱を予測して、補正するために、材料情報の決定に依存する。したがって、最終的に収束した解は、補正されたＸ線画像と、材料組成および厚さのマップの両方を作り出す。アルゴリズムがもたらす組成および厚さは、真の値の数パーセントの範囲内にある。

図１０ａおよび図１０ｂに示す画像は、本発明の方法による散乱補正後の大腿骨頸部（図１０ａ）、および比較のために散乱線除去グリッドを伴う大腿骨頸部（図１０ｂ）からなる。Ｒａｙｅｎｃｅ社製１４１７Ｃｓｌ検出器を伴うＧＥ社製ＶＭＸ Ｐｌｕｓ携帯型Ｘ線システムでこれらの画像を撮った。

６．４ｍＡおよび７５ｋＶの等価なビーム設定、および光源から検出器までの距離１１５ｃｍで、図１０ａおよび図１０ｂを撮った。図１０ａの画像は、散乱線除去グリッドに関連する吸収損失を欠点として持たず、検出器での線量は、患者への線量がたとえ同じであったとしても、図１０ａよりも著しく高いことを意味する。画像全体にわたり信号対雑音比（ｓｉｇｎａｌ ｔｏ ｎｏｉｓｅ ｒａｔｉｏ、ＳＮＲ）を比較すると、散乱線除去グリッドよりも本発明の散乱低減方法を使用するほうが利益が大きいことが示される。図１０ａの画像は、画像をさらにまた改善することになる疑似直接放射線として散乱放射線を戻して付け加えるステップを含まなかったことに留意されたい。

図１１は、図１０ａおよび図１０ｂの２つの画像にわたるＳＮＲのヒストグラムを示す。本発明の散乱低減方法は、散乱線除去グリッドが存在する状態で撮った画像と比較したとき、画像全体にわたりＳＮＲの改善を示す。この改善は、グリッド内部の鉛の羽根に関連する画像アーチファクトの低減と相まって、散乱線除去グリッドを除去することによる、より高い検出器線量に関係がある。

ＡＳＧからの改善の概要を表１に示す。
表１：ＡＳＧを使用することに対する検出器線量およびＳＮＲの改善の概要

ＳＮＲの改善を利用して、診断画質を高める、または患者の線量を低下させることができる。本発明の散乱低減方法を使用して、依然として同じ画質をもたらす一方で、ほぼ係数２だけ患者線量を低減することが可能になると推定される。

材料情報と相まって線量またはＳＮＲを改善することにより、散乱線除去グリッドを使用するシステムよりも、利用可能なＸ線をはるかに多く利用する方法がもたらされる。

Claims (10)

1. Ｘ線画像化方法であって、
   ｉ．１組の少なくとも１つのトレーニング材料を提供するステップであって、前記組は、異なる材料、および／または前記材料の、もしくは各材料の異なる厚さを備えるステップと、
   ｉｉ．画素化検出器を用いて、前記少なくとも１つのトレーニング材料の観察Ｘ線画像を得るステップと、
   ｉｉｉ．異なる材料とのＸ線光子の相互作用をシミュレートするシミュレータを用い、トレーニング材料ごとに、電圧、濾過、およびサンプルの位置のうち少なくとも１つを含むシミュレータのパラメータに関してシミュレートし、散乱カーネルを得て、散乱カーネルのデータベースを構築するステップと、
   ｉｖ．観察Ｘ線画像と、前記シミュレータにより作成されたＸ線画像シミュレーションとの間の、材料の種類および厚さとは無関係な、伝達関数を生み出すステップと、
   ｖ．前記画素化検出器を用いて得る、前記少なくとも１つのトレーニング材料を含む少なくとも１つのサンプルの観察Ｘ線画像を、前記材料によりＸ線光子がどのような影響を受けるかを表すものとするステップと、
   ｖｉ．前記サンプルに含有される前記材料の種類および／または前記厚さの初期推定を行うステップと、
   ｖｉｉ．複数の空間的に分離された前記サンプル上の点の各々から前記検出器の各画素まで、前記サンプルの前記材料および前記厚さがあたかも前記ステップｖｉの前記初期推定に対応するかのように、前記サンプルに対して光線経路トレースを遂行するステップと、
   ｖｉｉｉ．各々の光線経路トレースの広がり関数に対応する散乱カーネルを散乱カーネルデータベースから得て、
   ｉｘ．前記散乱カーネルごとに散乱を合計して、画像全体の散乱推定を提供して、
   ｘ．前記散乱カーネルごとに直接放射線を予測して、
   ｘｉ．前記散乱推定および前記直接放射線に前記伝達関数を適用して、または前記観察Ｘ線画像の個々の画素または画素グループの強度値に逆伝達関数を適用して、
   ｘｉｉ．Ｚが前記観察Ｘ線画像であり、Ｓが前記伝達関数適用後の散乱推測値であり、Ｄが前記伝達関数適用後の直接放射線である場合、あるいは、Ｚが前記逆伝達関数適用後の前記観察Ｘ線画像であり、Ｓが前記散乱推測値であり、Ｄが前記直接放射線である場合、画像差異Ｚ－Ｓ－Ｄを決定し、
   ｘｉｉｉ．前記画像差異がしきい値よりも低いかどうか決定し、
   ｘｉｖ．前記画像差異が前記しきい値よりも低い場合、前記Ｚから前記Ｓを減算して、散乱のないデータおよび／または散乱のない画像を提供するステップと
   を備えるＸ線画像化方法。
2. 前記ステップｉｉｉで構築された前記散乱カーネルの前記データベースは、前記少なくとも１つのトレーニング材料ごとに、前記シミュレータ内部のパラメータすべてのサブセットに関して構築される、請求項１に記載のＸ線画像化方法。
3. 前記画素化検出器を用いて前記Ｘ線画像を得る前記ステップは、前記検出器の各画素で強度値を記録するステップを備える、請求項１～２のいずれか一項に記載のＸ線画像化方法。
4. 前記初期推定（前記ステップｖｉ）は、前記ステップｖから得られる前記観察Ｘ線画像の個々の画素または画素グループの強度値；前記トレーニング材料の前記データベースに含有される、前記材料の種類および厚さの中央値；前記材料の種類および厚さのランダムな推測；のうち１つに基づく、請求項１～３のいずれか一項に記載のＸ線画像化方法。
5. 前記散乱カーネルを前記散乱カーネルデータベースから得るステップは、前記散乱カーネルデータベースの中で、前記材料の種類および厚さに対応する散乱カーネルのうち最も近い散乱カーネルを選択する、あるいは、前記散乱カーネルデータベースの中の、前記材料の種類および厚さに対応する複数の散乱カーネルを補間して散乱カーネルを導出する、ステップを備える、請求項１～４のいずれか一項に記載のＸ線画像化方法。
6. 前記散乱のないデータは、前記材料の種類および前記材料の厚さの情報を備える、請求項１～５のいずれか一項に記載のＸ線画像化方法。
7. 請求項１～６に指定されるような、前記Ｘ線画像化方法の少なくともステップｉｉ～ステップｉｖを遂行するように構成されるＸ線画像化装置。
8. 請求項１～６に指定されるような、前記Ｘ線画像化方法の少なくともステップｖ～ｘｉｖを遂行するように構成される、請求項７に記載のＸ線画像化装置。
9. 請求項１～６に指定されるような、前記Ｘ線画像化方法の少なくともステップｖ～ステップｘｉｖを遂行するように構成されるＸ線画像化装置。
10. Ｘ線画像化システムであって、請求項７～９のいずれか一項に記載のＸ線画像化装置、および１組の少なくとも１つのトレーニング材料を備え、前記組は、異なる材料、および／または前記材料の、もしくは各材料の異なる厚さを備えるＸ線画像化システム。

Images